[发明专利]一种马铃薯晚疫病地块诊断和预报模型的建立方法有效
申请号: | 201810626356.4 | 申请日: | 2018-06-05 |
公开(公告)号: | CN108875210B | 公开(公告)日: | 2023-01-03 |
发明(设计)人: | 侯彦林;刘书田;王铄今;侯显达;贾书刚;崔婷婷 | 申请(专利权)人: | 广西师范学院 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F17/18;G06Q50/02 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 530001 广西*** | 国省代码: | 广西;45 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 马铃薯 晚疫病 地块 诊断 预报 模型 建立 方法 | ||
本发明公开一种马铃薯晚疫病地块诊断和预报模型的建立方法,包括以下步骤:(1)通过地块坐标和国家标准气象站坐标确定就近气象站编号,获得按天的历史、实时和未来一周气象预报的数据;(2)使用国家标准监测点的按日的马铃薯晚疫病的监测数据作为区域模型的初始数据;(3)使用用户自己确定的按日或最多每隔7天的马铃薯晚疫病的监测数据;(4)用一定范围内同类地块马铃薯晚疫病的监测数据;(5)将区域模型‑地类模型‑地块模型相结合;(6)建立马铃薯晚疫病地块诊断和预报模型。本发明的技术方案为晚疫病防治提供实时决策依据,减少病害损失和过量施用农药对环境和农产品的污染。
技术领域
本发明属于马铃薯晚疫病诊断和预报技术领域,尤其涉及一种马铃薯晚疫病地块诊断和预报模型的建立方法。
背景技术
我国马铃薯年均种植面积约为540万hm2,居世界第一,但平均单产仅为1.54万kg/hm2,低于世界平均水平,其中一个重要制约因素是马铃薯晚疫病的危害。该病是一种由致病疫霉引起的典型气候流行性病害,其侵染周期大约在7-15天。马铃薯晚疫病在气候条件适宜的情况下会迅速流行并导致种植区马铃薯植株大面积死亡。在我国,一般流行年份产量损失10%-30%,严重流行时可达到50%以上乃至绝产。目前防治马铃薯晚疫病的主要措施有抗病品种的培育、化学农药的使用以及栽培方式的改变等,其中化学农药依旧为目前最常使用的方法。但是化学防治的效果在很大程度上取决于施药时间,一般在马铃薯晚疫病症状出现之前为最佳时间。所以如果错过施药的最佳时间,可能导致防治达不到预期效果,同时化学农药过度使用也会对人体健康和环境造成影响。因此准确及时地预报马铃薯晚疫病的发生是防治马铃薯晚疫病的重要且有效措施之一。
目前,国际上通用的马铃薯晚疫病预报模型为比利时模型,该模型的最大缺点是使用按小时监测的气象数据如温度和湿度,并且是田间的气象数据;由于田间历史和实时气象数据获得需要特殊气象监测设备,使得模型难以按地块诊断和预报。
发明内容
本发明的目的是基于异地气象站数据,使预报模型简单、实用,同时使用地块或地类监测数据,可以大量增加监测点的数量和监测次数,为区域、地类和地块大数据模型的建立提供数据保障,使模型诊断和预报精度更高,并将每个地块或每类地块下垫面影响因素隐含在具体地块或地类模型参数之中。
本发明是通过以下技术方案实现的。
一种马铃薯晚疫病地块诊断和预报模型的建立方法,包括以下步骤:
(1)通过地块坐标和国家标准气象站坐标确定就近气象站编号,获得按天的历史、实时和未来一周气象预报的数据,包括温度、湿度、日照和降水量数据;
(2)使用国家标准监测点的按日的马铃薯晚疫病的监测数据作为区域模型的初始数据;
(3)使用用户自己确定的按日或最多每隔7天的马铃薯晚疫病的监测数据;
(4)用一定范围内同类地块马铃薯晚疫病的监测数据;
(5)将区域模型-地类模型-地块模型相结合,地类模型以区域模型参数为初始参数,地块模型以地类模型参数为平均参数;
(6)建立马铃薯晚疫病地块诊断和预报模型。
具体地,上述步骤(3)中,用户通过使用APP软件可以将每一个地块每天或最多间隔一周的马铃薯晚疫病的发生程度数据输入到APP软件的提示中,软件将用户确认的晚疫病发生程度数据自动保存到地块数据库中,解决按地块和按地类的监测数据收集难题和运行成本,用户经过2年以上的数据积累以及同类地块的数据积累,就可以对初始参数进行修正,获得同类地块的统计参数或每个地块的统计参数,以此建立同类地块或每个地块的诊断和预报参数,解决按地块或按地类的马铃薯晚疫病发生的实时诊断和未来一周预报的技术难题,从而解决最后一公里的服务难题。
具体地,上述同类地块为气候一致、地貌一致、土壤类型一致的地块。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广西师范学院,未经广西师范学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810626356.4/2.html,转载请声明来源钻瓜专利网。